Labouchres penninghantering är en intressant idé - på gärning På grund av denna artikel simulerade jag penninghanteringen baserat på ett handelssystem som gör det möjligt för mig att definiera hur mycket lönsam handel är eller hur lönsamt systemet är i allmänhet. Och jag fann att jämfört med en bestämd partikelstorlek kommer Labouchre att ge dig bättre resultat än det fasta partiet, men bara om systemet är lönsamt. Om systemets över genomsnittliga vinst är negativ, skapar Labouchres-hanteringen ett mycket sämre resultat. Ett martingalsystem där du fördubblar den senaste lotstorleken efter att en förlusthandel har torkat bort alla tidigare förluster (om du har tillräckligt med pengar självklart.). Labouchre kan inte och gör det inte. I mitt OpenOffice-ark jämför jag Labouchre, Fixed Lot, Martingale och Fibonnacci-MM. Jag börjar alltid med 0,10 partier som en vinnare gör (fixa) 1 per 1 lot Jag beräknar 10 000 handlar startkapitalet är 10 000 Jag har obegränsade pengar för MaxDD) Om ett handelssystem skapar 60 vinnare (med ett visst antal vinster) Labouchre Balance : 10 674,81 och en MaxDD på -27,30 Fixed Lot Balance: 10,164,60 och en MaxDD av - 2,30 Martingale Balans: 10,589,65 och en MaxDD på -102,30 Fibonacci Balans: 10,387,42 och en MaxDD på -31,58 Om ett handelssystem skapar endast 40 vinnare (med en viss mängd vinst) Labouchre Balans: 2.591.37 och en MaxDD på -7.433,36 Fixed Lot Balance: 9,754.60 och en MaxDD av - 246.20 Martingale Balans: 10.376,80 och en MaxDD på -6.553,50 Fibonacci Balans: 10,069.34 och en MaxDD på -30.960.175.118.24 Du kan bara se om ett system är lönsamt Labouchre kommer att få mer pengar för dig här ca 5 gånger mer men MaxDD är 10 gånger högre jämfört med en fix mycket storleksanpassad. I den här artikeln testar vi de statistiska egenskaperna hos Labouchers penninghanteringssystem. Det anses vara en mindre aggressiv typ av Martingale, eftersom spel inte fördubblas, men ökar med en viss summa istället. MetaTrader 4 - Statistik och analys Statistisk verifiering av Labouchers Money Management System Det finns tre typer av lögner: lögner, fördömda lögner och statistik. Introduktion När du surfar på internetets djup under helgerna snubblat jag på ett pengarhanteringssystem som jag aldrig hört talas om tidigare. Det kallas Labouchere, eller Avbokningssystem (Forex Dammsugare System med Labouchere. På ryska). Den engelska beskrivningen av systemet finns här. Systemet är en variation av Martingale, eftersom du behöver höja din insats efter att du förlorat och minimerar det efter att du vunnit. Det är dock en mindre aggressiv version, eftersom spel inte fördubblas, utan ökar i viss mån med ett visst belopp. Nedan följer några avsnitt som beskriver de systemegenskaper som fascinerat mig väldigt mycket: Så var vänlig notera att mängden lönsamma affärer ska överstiga 33-40 procent för att systemet ska fungera korrekt och vinna. Detta är ett mycket starkt uttalande. Det är emellertid inte klart varför det initiala procentintervallet är så brett från 33 till 40. Tänk på att denna metod kan anses vara ett oärligt schema av ett spelhus. Verkligen Så, det kan faktiskt fungera då Men principen förblir densamma 33 av vinner kompenserar 66 av förluster. Så, om du vill tillämpa denna penninghantering i verklig Forex trading, behöver du ett handelssystem med den vinnande chansen på 50 och vinstfaktorn gt1. Faktum är att den nämnda artikeln säger att du behöver ett handelssystem där vinster är lika med förluster och vinnarsannolikheten är 50 (eller till och med mer än 33). Om du har ett sådant system kan Labouchere-metoden enkelt göra det lönsamt. Vi måste även leta efter ett system med positiv matematisk förväntan, eftersom det finns ett sätt att flytta det till positivt område. Det är ju inte heller svårt att utveckla ett handelssystem med 47 säsonger. Låt oss se hur Labouchere systemet varierar insatserna. Minsta satsningen antas vanligen vara lika med en. Om vi vinner är satsningsstorleken densamma, medan vårt handelsbalans ökar något. Om vi förlorar ökas vår satsning med en upp till 2 och vi lägger till den förlorande satsningen på linjen: Om vi vinner på denna punkt borde vi lägga till 2 till vår linje: Sedan korsar vi dessa två nummer, eftersom vi vi har lyckats vinna vår förlust (med andra ord har vi ökat vår balans genom en i en serie bestående av två satsningar). Nu kan vi överväga en längre förlorande serie. Låt oss satsa 2. Förlust: Låt oss satsa 3. Förlust: Låt oss satsa 4. Förlust: Låt oss satsa 5. Förlust: Låt oss satsa 6. Förlust igen: Låt oss satsa 7. Vi vinner äntligen: Således korsar vi -1, -6 och 7, eftersom vår vinnande satsning kompenserar två förlorande. Nästa satsning är summan av den första och den sista av de värden som återstår i linjen, dvs det är 7 igen. Om vi vinner: Vi korsar -2, -5 och 7. Vår nästa satsning är åter summan av de första och sista värdena kvar i raden. Ja, det är 7 igen (vissa metodanvändare rekommenderar att du lägger till 1 för en sådan insats, så att du får lägsta vinsten istället för 0 om du lyckas). Om vi vinner: Vi korsar alla nummer kvar i linjen, eftersom vi har vunnit våra förluster tillbaka. Om vi får en förlust vid ett av mellanstadierna, matas förluststorleken också till linjen och nästa satsning motsvarar summan av de första och sista värdena i linjen. Så, vilka är de första slutsatserna En serie med 6 förluster kompenseras verkligen av en serie på endast 3 vinster (det borde egentligen vara en serie vi kommer att prata om senare). Vid första anblicken gör systemet det verkligen lätt att lämna marknaden utan förluster. Betstorleken ökar mycket långsammare jämfört med Martingale. Om vi har använt en sådan serie med det ursprungliga Martingale-systemet, skulle vår sista satsning vara tvungen att överstiga den initiala med 64 gånger. Den totala insättningsutbetalningen (summan av att förlora satsningar) i exemplet ovan omfattar endast 21, medan det skulle ha varit 63 för den ursprungliga Martingale. Enkla beräkningar visar att vi borde drabbas av 13 förluster i rad för att förlora alla våra medel om den första insatsen är 1 av insättningen och 44 förluster i rad om den är 0,1. Du kanske redan tänker: 44 förluster i rad med 5050 förhållande. Sannolikheten är försvinnande liten Det är mer sannolikt att jag kommer att drabbas av en meteorit. Sådan sannolikhet passar mig bara bra, etc.). Du kan enkelt hitta många studier som ägnas åt nackdelarna och farorna med Martingale-systemet. I själva verket kan du uppleva dessa nackdelar på egen hand genom att utföra enkla beräkningar med hjälp av en penna och ett papper. Men jag kunde inte hitta liknande studier för Labouchere-systemet. Betsystemet ser väldigt komplicerat ut, vilket hindrar beräkningen av en resulterande matematisk förväntan. Men vi går tillbaka till vår förlorande serie av satsningar. Låt oss anse att våra 6 förluster i följd följdes av endast 2 vinster, i stället för 3. Då ser vår rad av siffror ut som följer: Vi satsar 7 och förlorar: Vi satsar 10 (observera att insatsen börjar när vi förlorar växer med 3 istället för att 1 göra vår serie mycket mindre säker för vår insättning). Vi förlorar igen: Vi måste satsa 13 nu. Så, systemet gör att vi höjer våra insatser med mer än 1 vid upprepade förluster. Detta verkar vara det enda sättet att fullt ut övervinna uttjänsten. Här är var vår insättning kan komma till verkliga problem, eftersom vi behöver en serie vinster för att övervinna utbetalningen. Beräkningen av förväntan på papper verkar fortfarande vara för komplicerad eller åtminstone för tråkig. Är du intresserad av vad detta system kan om ja, då kan vi gräva in mer detaljer. Ställa in uppgiften: Ämne och metoder Den viktigaste frågan är om Labouchers penninghanteringssystem verkligen kan flytta en matematisk förväntan (särskilt i det positiva området). Den citerade passagen om 33 av vinner där vinstförlust låter ganska orealistiskt, förstås. Men det kan vara 49 eller 50 av vinsterna kommer att vara tillräckligt och om inte, kanske har Labouchere systemet några andra fördelar. Vi använder statistik, vilket innebär att vi måste utveckla ett MQL-program (det är MQL4 i det här fallet eftersom jag inte har helt behärskad MQL5 än). Låt vårt program utföra miljontals erbjudanden och torka ut tusentals insättningar vi kommer att se och analysera resultaten utan att skada våra medel. Om programmet visar sig vara lönsamt kommer det att vara möjligt att implementera algoritmen till verklig handel. Labouchere-systemet har utvecklats baserat på antagandet om vinstförlust. Det kan också anpassas för andra förhållanden men det verkar inte rimligt. Om systemet kan påverka den matematiska förväntningen med vinstförlust kan den också påverka andra förhållanden. Och om det inte kan, så kommer vi helt enkelt att slösa bort vår tid och fundera över en lämplig anpassning. Dessutom kan vi föreställa oss systemet med vinstförlust och jämviktsvärdet på 50 vinnande satsningar mycket lättare, eftersom vi alla är bekanta med myntkastning. Därför kan vi ringa vårt program CoinTest. Först bör vi beskriva huvuddragen i vårt framtida program: Vi borde ha möjlighet att ändra den vinnande sannolikheten. Ett 5050-förhållande är bara ett speciellt fall av jämviktsförhållanden. Vi borde ha möjlighet att ställa in en risknivå. Labouchere-systemet har en fast satsning. Om vi skala vår första satsning enligt vår insättningsstorlek kommer systemets kärna att gå förlorad, eftersom vår insättning aldrig kommer tillbaka till sitt ursprungliga läge när alla värden är korsade ur linjen. Vi kan räkna om en insatsstorlek efter att ha avslutat en drawdown, men det leder till bråkdelar som är svåra att arbeta med. Således kommer vi att använda de två variablerna för att ställa in riskinställningen och första insatsen. Det är nödvändigt att ställa in det maximala antalet erbjudanden per insättning. Det ska vara tillräckligt stort så att vi kan ta reda på om vi kommer att förlora insättningen även vid en mycket låg initial risk. När allt kommer omkring, om insättningen fortsätter att växa, kan processen vara oändlig och vi kan aldrig veta resultatet. Vi borde ha möjlighet att undersöka resultaten av handelsserier på en enda insättning både för programfelsökning och för att ändra vår affärslogik. Utdata till en fil passar vårt syfte väl. När vi är färdiga med att skriva en kod för ett insättningspass, bör vi fortsätta att samla in statistik på en serie passeringar på separata insättningar och (helst) med varierande parametrar. Som du förstår betyder ett experiment nästan ingenting här. Statistiska resultat skickas också till filen. Vi behöver inte längre granska en historia av enskilda insättningar. Vårt valstödssystem kan eventuellt användas i verklig handel, därför borde vi göra det till en klass. Den faktiska öppningen av erbjudanden i MetaTrader är värdelös för oss på detta stadium och extremt dyrt när det gäller datorresurser. Vi behöver bara fixa resultaten av slumpmässiga erbjudanden som utförs med hjälp av en obligatorisk lotstorlek och en viss vinnande sannolikhet. Med detta i åtanke kommer vi att utveckla ett manus, eftersom denna typ av MQL-program är perfekt för en enda körning jämfört med expertrådgivare eller indikatorer. Statistisk verifiering av Pseudo-Random Number Generator Quality Kvaliteten på pseudo-slumpmässig talgenerator (PRNG) är av yttersta vikt för oss, eftersom det kommer att användas för att definiera resultatet av varje affär (winloss). Noggrannheten i den långa winloss-seriens fördelning är mest kritisk. Vi kommer att försöka utvärdera den senare utan att hänvisa till komplicerad matematisk statistikteori. Denna artikel är inte avsedd för en seriös studie av PRNG-kvaliteten (annars skulle vi ha haft 15 olika test). Vi är mest intresserade av PRNG-egenskaperna som kan påverka Labouchere-systemets testresultat och kräver inte för komplexa verifieringsprocedurer. MetaTrader har standard MathRand () PRNG-funktionen. PRNG-sekvensen initieras av MathSrand () - funktionen. Låt skriva ett litet skript (RandFile) för att kontrollera standard PRNG-kvalitet. Skriptet har två parametrar: Antal miljoner 32-bitars slumpmässiga ord som ska genereras (ett 32-bitars ord per 3 samtal av MathRand () - funktionen som ger 15 signifikanta bitar). Måttenheten är en vanlig decimalmiljö i stället för 2 som höjdes till 20: e kraften, eftersom vi också kommer att undersöka resultaten visuellt också. CalcSeries logiska parameter (om fördelningen av liknande bitars längd bör beräknas). Beräkningen av en bitars längddistribution är mycket resurskrävande (ökning av exekveringstidens tiofaldiga). Därför har det arrangerats som ett separat alternativ. Skriptet ger följande resultat: beräkningstiden (visas i journalen) mängd av 1 bit som detekteras bland alla genererade bitar (visas i journalen) RandFile. bin-fil binärfil med PRNG-operativresultatet RandStat. csv filloggfil som innehåller förekomstsatser för vissa byte RandOnesSeries. csv filloggfil som innehåller 1 bitars längd RandZerosSeries. csv filloggfil som innehåller 0 bitars längd. Låter generera 3 testuppsättningar av olika längd: 10 miljoner testord med 4 byte vardera (40 miljoner byte totalt) 100 miljoner testord med 4 byte vardera (400 miljoner byte totalt) 1 000 miljoner testord med 4 byte vardera (4 000 miljoner byte totalt). Nu kan vi kolla följande parametrar: Komprimerbarhet av filer som innehåller slumpmässiga data av WinRAR med de maximala komprimeringsinställningarna. Högkvalitativa slumpmässiga data komprimeras inte. Naturligtvis betyder inkompressibiliteten hos filer inte nödvändigtvis den höga kvaliteten på de slumpmässiga data som de innehåller. Men om de komprimeras betyder det att uppgifterna har statistisk regelbundenhet. Förekomstfrekvens för vissa bitvärden i slumpmässiga filer: Längder av identiska bitarserier. Vi kommer att generera två diagram för varje provstorlek: den första visar den faktiska mängden detekterade identiska bitserier av en viss längd, liksom jämviktsvärdet för mängden serie av den längden (i logaritmisk skala) visar den andra procentuell avvikelse av den faktiska mängden detekterade identiska bitserier från jämvikten (i logaritmisk skala). Linjärdiagrammet är inte lämpligt för oss eftersom värdena vi har är extremt utspridda (värdena från 1 till 4 000 000 000 eller från 0,00001 till 6 000 finns närvarande på ett enda diagram). Dessutom visas diagrammet som visar jämviktsvärdet av mängden långa serier i logaritmisk skala som en rak linje medan serielängden ökas med 1, sannolikheten för dess förekomst halveras. Så vad är slutsatserna Den vanliga PRNG-effektiviteten är acceptabel för vår uppgift. Arkivering av filerna som innehåller PRNG-operativresultaten leder inte till komprimering. Mängden noll och en bit motsvarar ekvivalentvärdet. Avvikelsen från jämvikt (i procent) minskar när provstorleken ökar. Fördelningen av förekomsten av vissa byte i PRNG-operationens resultat fluktuerar inom ett smalt område runt jämvikten. Förekomsthastighetsspridning reduceras när provstorleken ökas. Förekomstfrekvensen för identiska bitserier avviker endast från jämvikten om serierna är ganska långa (vilket är ganska sällsynt). Med ökningen av provlängden flyttas den faktiska händelsehastighetsavvikelsen från jämvikten mot ökningen av serielängden och ligger alltid runt värdet av 100 inklusioner för hela sekvensen. Således har vi inte upptäckt några större statistiska brister i standard PRNG som kan förvränga våra testresultat även med sekvenserna på cirka 3 miljarder generationer (3 generationer används per 32-bitars ord). Skriva CLabouchere-klassen för att hantera positionens storlek CLabouchere-klassen har visat sig vara tillräckligt liten. Dess gränssnitt består av endast två omslagsfunktioner för inställning av mottagarens initiala storleksstorlek och två faktiskt fungerande funktioner för inställning av ett avtalsresultat och mottagning av aktuell positionsstorlek samt för återställning till startläget: Skrivning av skriptet. Preliminär utvärdering Nu är det dags att skriva ett enkelt skript med hundra eller så strängar. Inmatningsparametrarna är följande: Skriptet gör en serie erbjudanden tills insättningen går förlorad eller RepeatsCount nås. Fallet med winloss-förhållandet 5050 görs en separat parameter. I det senare fallet används en bit av ett pseudorandomtal som myntkastningsresultat. Annars beräknas ett gränsvärdesgränsvärde och ett slumptal jämförs med det. Den separata parametern för 5050-fallet har implementerats eftersom cykeln av PRNG-bitar passar oss ganska bra, även om vi inte har utvärderat förekomstcykeln för värdena som överstiger ett gränsvärde. Standardinställningarna: Inbetalningsstorlek 10 000 första insats 50 (0,5 av den ursprungliga insättningen). Ungefär vid den 10: e lanseringen av manuset får vi ett spektakulärt resultat. Insättningen omfattar 46 300 vid 2 335: e steget. Däremot uppträder dragningen redan vid 2 372 steg: Så här ser det ut på diagrammet: Som vi kan se, föll balansen till kritiska värden två gånger innan insättningen slutligen torkades ut. I vissa fall förstördes insättningen inom de första dussintals affärer, och det var inte ens ett enda fall när det visade den maximala livslängden på 100 000 affärer. Medan jag försökte olika parametrar kom följande modifieringar i mitt sinne: Det skulle vara rimligt att lägga till en parameter som definierar hur mycket pengar som återtagits från handelskontot. Om vi lyckas ta tillbaka de medel som överstiger den ursprungliga insättningen innan den slopas, blir vår första insättning helt enkelt en förutsebar förlust. Således implementerades den nya parametern PocketPercent. Det definierar den procentandel av framgångsrika affärer som vi tar ut från handelskonto och sätter i fickan. Att använda fickpengar är förbjudet, bara riskerna på fonderna på handelskontot riskeras. Det är trots allt det som vanligtvis händer i det verkliga livet. Naturligtvis bör insättningen lanseras flera gånger på en slinga (det skulle vara ganska en vardaglig uppgift att utföra lanseringen hundratals gånger manuellt). Vi bör också variera ett par parametrar PocketPercent and Take (den ursprungliga insatsstorleken), liksom att beräkna genomsnittliga resultat (fackfonder och insättningsfonder, eftersom insättningen aldrig kommer ner till hela 0 men bara ned till det ögonblick när det är omöjligt att utföra nästa handel). Vi borde ha två versioner av manuset: den första utför återkommande körningar utan att skriva handelsuppgifterna i en fil, medan den andra fungerar motsatt sätt. Återkommande körningar betyder att vi ska använda objektkoden. Således utvecklar vi driftskoden som CCoinTest-klassen, medan skripten görs så enkelt som möjligt. Koden för ett-pass-skriptet är så kort att jag kan visa den här fullständigt (allt arbete, inklusive att skriva handelsuppgifterna i en fil, görs av CCoinTest-klassen): När vi lägger till fickan, visar systemoperationskartorna se lite annorlunda (40 av vinsten dras tillbaka i följande exempel): Den lila linjen (Pocket Balance) är mycket lik den perfekta handelskortsdiagrammet som varje handlare drömmer om. Men i själva verket bör vi ägna mer uppmärksamhet åt den gula linjen (totalbalans på handelskonto och fickan), vilket inte ser så bra ut. Dessutom är följande diagram mer vanliga: Nedan finns våra slutsatser i nuvarande skede: Systemet demonstrerar faktiskt det beteende som författaren tänker: Uttagningar övervinns ofta och insättningen tenderar att växa ytterligare. Ibland slutar ett sådant försök med fullständigt misslyckande. Faktum är att systemet bara har två alternativ efter att ha gått i drawdownen, det kan antingen övervinna det eller förlora en hel insättning. Ju längre en insättning bor, desto högre höjder når den. Den första insatsen i dessa exempel är 0,5 av den ursprungliga insättningen (50 av 10 000). I det första exemplet har den grundläggande risknivån minskats ungefär till 0,1 (insättningen ökades 4,5 gånger med den första insatsen som är kvar). Men dessa åtgärder sparade inte insättningen från fel. Slutlig utvärdering för olika sannolikhetsvärden. Jämförelse av resultaten från Labouchere och Fixed-Bet-systemen Nu kan vi flytta till den mest spännande delen som samlar resultaten från många experiment. Vi är på väg att ta reda på om vinsterna på framgångsrika insättningar kan täcka förlusterna på misslyckade. Kanske algoritmen visar sig vara effektiv om den ursprungliga insatsstorleken sänks (vilket ger mer skydd mot insättningen) eller ökad Vilken vinstprocent ska vi ta ut från ett handelskonto Ska Labouchere-systemet skilja sig från den fasta ränta en vid allt och vad kommer att hända om det ursprungliga systemet har en positiv matematisk förväntan (myntet vinner oftare) Som ni kan se finns det många frågor som vi bör hantera på lämpligt sätt. Skriptet för att starta insättningar i slingan med varierande parametrar består av cirka 100 strängar. Jag kommer bara att visa några fragment här. Ingångsparametrarna: De arrays som innehåller det ursprungliga insatsvärdet och vinstprocenten i fickan: Som vi kan se varierar den ursprungliga insatsen från 5 (0,05 av den ursprungliga insättningen) till 3 000 (30 av den ursprungliga insättningen). Fonderna i fickan varierar från 1 till 99. Parametrarna ställs in med en säkerhetsmarginal som överlappar rimliga gränser i båda riktningarna. Sålunda är sökutrymmet tvådimensionellt. 360 diskreta punkter (24 15) tas inom detta utrymme. Det genomsnittliga totala saldot (fonder för fonder för handelskonto) och det genomsnittliga antalet avtal före insättningsförlusten (inlåningstid) beräknas för var och en av poängen baserat på serieresultatet. Mängden insättningar per serie bestäms av insättningsparametern. De tvådimensionella rymdberäkningsresultaten är tredimensionella, vilket innebär att de är svåra att visa med tvådimensionella medel. För att komma till rätta med detta problem kan vi helt enkelt rita tvådimensionella diagram med x-axeln som står för punktseriens nummer från sökutrymmet (från 0 till 359). Om det behövs, tillhandahålls vissa bestämda Takes and PocketPercent-värden separat. Efter att ha kört 100 insättningar är medelbalansen enligt följande: Nedan är insättnings livstidsdiagrammet (i logaritmisk skala): Insättningslivstiden överstiger 10 000 affärer med den initiala risken att 0,05 stadigt minskar till mindre än 10 behandlar den initiala risken för 30. Det höga PocketPercent-värdet minskar också den genomsnittliga summan av erbjudanden innan en insättning går förlorad. Det är ett förväntat resultat. Vi kan välja några lovande poäng på diagrammet som visar medelvärdet av fickan och balansen. Fyra av punkterna ligger nära varandra, så förhoppningsvis kan vi hitta det optimala området. Nu kan vi beräkna resultaten för Deposits 1 000 och överlappa dem på samma diagram: Som vi kan se, försvann det förmodligen optimala området under tryck av ett tillräckligt stort antal statistiska data. Oavsett några parametrar fluktuerar diagrammet slumpmässigt nära den initiala balansen på 10 000. Således är insättningar 100 inte tillräckliga. Alla ytterligare experiment kommer att utföras med Inlåning 1 000. Låter visa resultaten av Labouchere och fast-bet-systemen på ett enda diagram: Insättnings livstidsdiagrammet för Labouchere och fast-bet-system: Det ekonomiska resultatet av Labouchere-systemet är noll som sammanfaller med fast-bet-systemet. Till skillnad från Labouchere-systemet visar den fasta satsningen ökad dataspridning runt genomsnittet. Det verkar som om det fasta insättningsvärdet inte överensstämmer med det statistiska beteendet hos fast-bet-systemet. Insättningslivstiden är mycket lägre när du använder Labouchere-systemet (10 och fler gånger med de flesta parametrar och till och med mer än 100 gånger med vissa parametrar). Vid låg risknivå kan vi se att diagrammet når gränsen som anges av RepeatsCount-parametern (standardvärdet är 100 000). Dessa resultat bekräftar delvis den populära uppfattningen att systemen som kan öka risknivån är farliga för en insättning. Sådana system minskar insättningslivet, men vi har inte upptäckt några faror för finansiella resultat än (åtminstone i medeltal och förutsatt att en viss vinstprocent dras tillbaka). Låt oss introducera en ny skriptparameter som tillåter oss att samla in tillräcklig statdata för att utvärdera beteendet hos högriskområden: Om vi har mindre än 10 miljoner trades per 1000 förlorade insättningar, bör vi fortsätta. Som ett resultat blir kartdata mindre spridda: Och nu kan vi kontrollera systemets funktion med hjälp av de initiala system sannolikheterna inte lika med 5050. Inlåningslivstiden: Vad kan vi se på dessa diagram? Om 49 vinnande erbjudanden blir, blir båda systemen klart olönsamma. Finansiella resultat av fast-bet-systemet är väldigt låga, vilket visar att återkallandet av vinst till fickan är mer lämpligt för Labouchere-systemet än för den fasta satsningen vid ett vinstförhållande mindre än 50. Fonderna överförs till fickan först efter att ha avslutat en drawdown. Till skillnad från fast-bet-systemet kan Labouchere ställa in nya poster om och om igen (så länge det finns tillräckligt med pengar för att göra ännu en satsning), även med vinstförhållandet på 49. Om deras insättning minskar snabbt, människa handlare kommer förmodligen inte att utföra 100 000 eller till och med 10 000 erbjudanden tills det är helt utplånat. De kommer säkert sluta handla mycket tidigare. Algoritmen för fix-bet-systemet kan inte göra det. Labouchere system algoritmen är mycket mer mänsklig i detta avseende, eftersom den beter sig som en näringsidkare uppmuntras av nya register och handel tills insättningen är helt förstörd. Kommer du ihåg den eulogiska artikeln jag nämnde i introduktionen Det står att systemet kommer att fungera även med 33-40 vinner. Låt oss se över den övre gränsen (40) av detta intervall bara för det roliga: Nu kan vi överväga den positiva matematiska förväntningen av det ursprungliga systemet (mer än 50 av vinster). Vi måste visa balansdiagrammen i logaritmisk skala även med vinstförhållandet 51. Båda systemen har flyttat till positiv förväntan. Vid låg risknivå visar fast-bet-systemet den obegränsade vitaliteten. Med andra ord är det nästan omöjligt att förlora en insättning. Labouchere-systemet kan dock förstöra en insättning (men glöm inte på fickan). Fast-bet-systemet ger 10 gånger mer vinst än Labouchere med de flesta parametrar (och ibland ännu 17 gånger mer vinst med vissa parametrar). De flesta läsare kanske tror att systemet med fast-bet är i alla avseenden överlägsen Labouchere. Inte bara det skyddar en insättning bättre, men ger också 10 gånger mer pengar Tyvärr blir de lurade av statistik. Fast-bet-systemet stöter på begränsningen av 100 000 trades per en insättning. Om parameteren RepeatsCount har varit 200 000, skulle systemet ha gjort 2 gånger mer vinst. Men det är bara underbart att läsarna lurade av statistik kommer att säga. Och de kommer att bli fel igen. Ta en titt på diagrammet över de genomsnittliga vinsterna som gjorts av systemen per handel (i logaritmisk skala): Diagrammet över vinsten per handel i procent av den ursprungliga insatsen gör hela bilden ännu tydligare: Fast-bet-systemet gör 2 av den första insatsen per handel. Detta är helt förenligt med teorin, eftersom winlossen är 5149 här. Med andra ord överträffar vinsterna förlusterna med 2. Labouchere-systemet ger mer vinst även med de mest olämpliga parametrarna. Och om parametrarna är rätt inställda kan det ge så mycket som 6-7 gånger mer vinst. Så, det verkar som om du har obegränsad tid kan du göra det bra utan Labouchere-systemet. Du kan hävda att fast-bet-systemet kan ersättas med det fasta riskprocent systemet, så att vinsten per handel ökar (faktiskt kommer vinsten att växa kontinuerligt, men vi bör använda liknande avstånd för jämförelse). I det här fallet bör en positionsvolym också ändras för Labouchere-systemet. Så, Labouchere-systemet verkar vara mer lönsamt, men om du säger ja, då har statistiken lurat dig igen. Ta en titt på bordet: Procentandel överförd till ficka Fick - och balansmedelvärde, Labouchere-system Genomsnittlig mängd erbjudanden, Labouchere-system Fick - och balansmedelvärde, fast-sats-system Genomsnittlig mängd erbjudanden, fast-sats-system Resultat per handel, Labouchere system vinst per handel, fast-bet-system vinst per handel, av den inledande satsningen, Labouchere-systemet vinst per handel, av den första insatsen, fast-bet-systemet faktiskt kan vi enkelt göra samma vinst genom att använda fast - satsningssystem. Vi behöver helt enkelt öka insatsen 7 gånger (från 0,75 upp till 5 i det här fallet). Naturligtvis är 5 en mycket hög risknivå. Men fast-bet-systemet har fortfarande 10 gånger mer vitalitet i det här fallet. Så det verkliga systemet ser ut att vara mer fördelaktigt, tror jag inte, statistiken har förrått dig igen. Det spelar ingen roll hur många erbjudanden din insättning kan överleva (i medeltal, förstås), eftersom vi delar en del av vår vinst i fickan. Om de totala fackfonderna överstiger det ursprungliga kontosaldot flera gånger, är förlusten av insättningen inte en signifikant fråga. Kanske är den mest giltiga slutsatsen som kan dras från dessa beräkningar följande: Om vinstförhållandet är 51 är vinsten från Labouchere och fast-bet-systemen ungefär densamma, förutsatt att den förra har den första insatsen på 0,75 av en insättning och 10 av vinsten tas ut från kontot, medan den senare har en fast satsning på 5 av den ursprungliga insättningen och 45 av vinsten tas ut från kontot. Labouchere-systemet når samma lönsamhetsnivå genom att öka positionens storlek under driften. Tänk dessutom på att några statistiska slutsatser anses vara giltiga endast efter att ha utfört ett stort antal experiment. Ett enda virtuellt konto kan praktiskt taget delas upp i flera insättningar. Förlusten av en virtuell insättning innebär att man förlorar en del av handelskontot och återgår till den ursprungliga insatsstorleken när en viss risknivå uppnås. Emellertid visar artikeln att simulering av så mycket som 100 insättningar ger fortfarande mycket spridda data. Om vi delar en genomsnittlig handlare insättning i 100 delar, kommer normal handel vara omöjligt. Vilket system är bättre Det är svårt att säga. Valet beror på handelsföreträdare, och den matematiska förväntan hos det ursprungliga systemet är av avgörande betydelse här. Koden som visas i artikeln möjliggör för någon att simulera Labouchere-systemoperationen i sitt eget handelssystem. Låt oss undersöka diagrammen för båda systemen med 55 vinster: Med 55 av vinster blir båda systemen lönsamma. Skillnaden mellan den genomsnittliga vinsten per handel har minskat från 6-7 gånger (51 av vinster) ner till cirka 3,7 (55 av vinster). Detta händer på grund av att Labouchere-systemet vid en högre förväntan på det ursprungliga systemet spenderar mindre tid i drawdowns och därför inte behöver handla med ett ökat parti för ofta. Slutsats Inget mirakel hände. The Labouchere money management system cannot turn a loss-making or even a neutral system into a profitable one. Besides, the sources of some misconceptions about the Labouchere system are clearly seen now: Complexity that hinders calculation of the system results. Lack of statistical data during manual tests. Ability of the system to set new profit records over and over again even if the initial system has negative expectation, thus making traders believe in its efficiency. Is the Labouchere system worth trying with a positive expectation system The choice is yours. The Labouchere system is quite complicated, and its efficiency can hardly be called outstanding. Anyway, I can give you two tips do not exceed the acceptable risk level if you care about your deposit and try to improve the mathematical expectation of your trading system. Money Management Using The Kelly Criterion We often hear about the importance of diversifying, but perhaps its easier said than done. How much money do we put in each stock When do we buy or sell those stocks These are all questions that can be answered by defining a money management system. Here we look at the Kelly Criterion. one of the many techniques that can be used to manage your money effectively. The History John Kelly, who worked for ATampTs Bell Laboratory, originally developed the Kelly Criterion to assist ATampT with its long distance telephone signal noise issues. Soon after the method was published as A New Interpretation Of Information Rate (1956), however, the gambling community got wind of it and realized its potential as an optimal betting system in horse racing. It enabled gamblers to maximize the size of their bankroll over the long term. Today, many people use it as a general money management system for not only gambling but also investing. The Basics There are two basic components to the Kelly Criterion: Win probability - The probability that any given trade you make will return a positive amount. Winloss ratio - The total positive trade amounts divided by the total negative trade amounts. These two factors are then put into Kellys equation: Kelly W (1 W) R Where: W Winning probability R Winloss ratio The output is the Kelly percentage, which we examine below. Putting It to Use Kellys system can be put to use by following these simple steps: Access your last 50-60 trades. You can do this by simply asking your broker. or by checking your recent tax returns (if you claimed all your trades). If you are a more advanced trader with a developed trading system, then you can simply back test the system and take those results. The Kelly Criterion assumes, however, that you trade the same way you traded in the past. Calculate W, the winning probability. To do this, divide the number of trades that returned a positive amount by your total number of trades (positive and negative). This number is better as it gets closer to one. Any number above 0.50 is good. Calculate R, the winloss ratio. Do this by dividing the average gain of the positive trades by the average loss of the negative trades. You should have a number greater than 1 if your average gains are greater than your average losses. A result less than one is manageable as long as the number of losing trades remains small. Input these numbers into Kellys equation: K W (1 W) R. Record the Kelly percentage that the equation returns. Interpreting the Results The percentage (a number less than one) that the equation produces represents the size of the positions you should be taking. For example, if the Kelly percentage is 0.05, then you should take a 5 position in each of the equities in your portfolio. This system, in essence, lets you know how much you should diversify. The system does require some common sense, however. One rule to keep in mind, regardless of what the Kelly percentage may tell you, is to commit no more than 20-25 of your capital to one equity. Allocating any more than this is carries far more risk than most people should be taking. Is It Effective This system is based on pure mathematics. However, some people may question whether this math originally developed for telephones is actually effective in the stock market or gambling arenas. By showing the simulated growth of a given account based on pure mathematics, an equity chart can demonstrate the effectiveness of this system. In other words, the two variables must be entered correctly, and it must be assumed that the investor is able to maintain such performance. Here is an example: Here we see the activity in 50 simulated trading accounts by means of an equity curve. The average amount won is the same as the average amount lost. However, the people are able to win 60 of the time. The Kelly Criterion then tells them to allocate 19 of their capital to each equity (giving them about five equities). The result is a positive return in the long run for all traders (notice some short-term downside, however). The highest return was 140 (started at 100, went to 240) over 453 bars. Bars represent the time between trades or trading system outputs. Why Isnt Everyone Making Money No money management system is perfect. This system will help you to diversify your portfolio efficiently, but there are many things that it cant do. It cannot pick winning stocks for you, make sure you continue to trade consistently or predict sudden market crashes (although it can lighten the blow). Also, there is always a certain amount of luck or randomness in the markets, which can alter your returns. Consider again the above chart. See how the best person received a 140 return and the worst got less than 40. Both traders used the same system, but randomness and volatility can cause temporary swings in account value. The Bottom Line Money management cannot ensure that you always make spectacular returns, but it can help you limit your losses and maximize your gains through efficient diversification. The Kelly Criterion is one of many models that can be used to help you diversify. En typ av skatt som tas ut på kapitalvinster som uppkommit av individer och företag. Realisationsvinster är vinsten som en investerare. En beställning att köpa en säkerhet till eller under ett angivet pris. En köpgränsorder tillåter näringsidkare och investerare att specificera. En IRS-reglering (Internal Revenue Service) som tillåter utbetalningar av straff från ett IRA-konto. Regeln kräver det. Den första försäljningen av lager av ett privat företag till allmänheten. IPOs utfärdas ofta av mindre, yngre företag som söker. Skuldkvotskvoten är skuldkvoten som används för att mäta ett företags ekonomiska hävstångseffekt eller en skuldkvot som används för att mäta en individ. En typ av ersättningsstruktur som hedgefondsförvaltare brukar använda i vilken del av ersättningen prestationsbaserad.
No comments:
Post a Comment